auc 和loss_为什么是AUC值而不是GSEA来挑选转录因子呢
前面我们通过RcisTarget包的 cisTarget()函数,一句代码就完成了我们的hypoxiaGeneSet.txt文本文件的171个基因的转录因子注释。见:基因集的转录因子富集分析
通过学习,我们知道这个RcisTarget包内置的motifAnnotations_hgnc是16万行,可以看到每个基因有多个motif。而且下载好的 hg19-tss-centered-10kb-7species.mc9nr.feather 文件,也是 24453个motifs的基因排序信息。但是我们留下来了一个悬念,如何从几万个注释结果里面挑选到最后100个富集成功的motif呢?
首先批量计算AUC值
如果是单细胞转录组数据里面,每个单细胞都是有一个geneLists,那么就是成千上万个这样的calcAUC分析,非常耗费计算资源和时间,就需要考虑并行处理,我们这里暂时不需要,所以直接 nCores=1 即可。
其中geneLists和motifRankings来自于前面的教程,见:基因集的转录因子富集分析
motifs_AUC
motifs_AUC
可以看到是 24453个motifs的AUC值都被计算了:
> motifs_AUC
AUC for 1 gene-sets and 24453 motifs.
AUC matrix preview:
jaspar__MA1023.1
geneListName 0.03819963
taipale_cyt_meth__IRX3_NACGYRNNNNNNYGCGTN_eDBD_meth
geneListName 0.05625049
taipale__DBP_DBD_NRTTACGTAAYN
geneListName 0.0640565
cisbp__M4240
geneListName 0.02816458
scertf__macisaac.ACE2
geneListName 0.03124153
>
挑选统计学显著的motif
auc
hist(auc, main="hypoxia", xlab="AUC histogram",
breaks=100, col="#ff000050", border="darkred")
nes3
abline(v=nes3, col="red")
可以看到 24453个motifs的AUC值看起来满足正态分布,一般来说,对正态分布,我们会挑选 mean+2sd范围外的认为是统计学显著,但是作者卡的比较严格,是 mean+3sd ,示意图如下:
看看Area Under the Curve (AUC)如何计算
这个时候就需要一个取舍了,我们是否需要知道每个细节,比如GSEA分析,我也多次讲解:
但实际上,绝大部分读者并没有去细看这个统计学原理,也不需要知道gsea分析的nes值如何计算,或者说这个Area Under the Curve (AUC)如何计算。
我这里也不想耗费时间去深究,去讲解了。不理解原理并不影响大家使用,知道这个概念,知道如何根据AUC值去判断结果就好。其实这个包的核心在于motifRankings变量,数据库文件来自于前面的教程,见:基因集的转录因子富集分析,也是很容易制作的,选取人类的不到2000个TF的全部chip-seq数据的peaks文件的bed,把人类的2万个基因的启动子区域的该TF的信号强度排序即可。
然后看看motif的详情
这个RcisTarget包内置的motifAnnotations_hgnc是16万行,可以看到每个基因有多个motif,我们挑选出来了105个moif,去这个表格里面筛选一下,就只剩下82个了。
data(motifAnnotations_hgnc)
motifAnnotations_hgnc
cg=auc[auc>nes3]
names(cg)
cgmotif=motifAnnotations_hgnc[match(names(cg),motifAnnotations_hgnc$motif),]
cgmotif=na.omit(cgmotif)
高级分析之可视化motif
前面的教程,一句代码就完成了motif的富集 ,见:基因集的转录因子富集分析
这个时候,我们可以根据 addLogo 函数,对我们富集好的转录因子的motif加上一些可视化图表,代码如下:
motifEnrichmentTable_wGenes
motifEnrichmentTable_wGenes_wLogo
library(DT)
datatable(motifEnrichmentTable_wGenes_wLogo[,-c("enrichedGenes", "TF_lowConf"), with=FALSE],
escape = FALSE, # To show the logo
filter="top", options=list(pageLength=5))
这些motif都是数据库已知的,其可视化如下:
高级分析之网络图
这里面的R代码技巧还是蛮值得细细品读的:
anotatedTfs
motifEnrichmentTable$geneSet),
function(x) {
genes
genesSplit
return(genesSplit)
})
anotatedTfs$hypoxia
signifMotifNames
incidenceMatrix
motifRankings,
signifRankingNames=signifMotifNames,
plotCurve=TRUE, maxRank=5000,
genesFormat="incidMatrix",
method="aprox")$incidMatrix
library(reshape2)
edges
edges
colnames(edges)
library(visNetwork)
motifs
genes
nodes
label=c(motifs, genes),
title=c(motifs, genes), # tooltip
shape=c(rep("diamond", length(motifs)), rep("elypse", length(genes))),
color=c(rep("purple", length(motifs)), rep("skyblue", length(genes))))
visNetwork(nodes, edges) %>% visOptions(highlightNearest = TRUE,
nodesIdSelection = TRUE)
一个简陋的网络图就出来了:
PPI调控网络图确实有点老套了
我有预感,这个转录因子调控网络图应该是在未来5年内会逐步替代PPI调控网络图,直到转录因子调控网络图也变得俗气为止。
auc 和loss_为什么是AUC值而不是GSEA来挑选转录因子呢相关推荐
- auc 和loss_深入理解AUC
在机器学习的评估指标中,AUC是一个最常见也是最常用的指标之一. AUC本身的定义是基于几何的,但是其意义十分重要,应用十分广泛. 本文作者深入理解AUC,并总结于下. AUC是什么 在统计和机器学习 ...
- R语言使用pROC包在同一图中绘制两条ROC曲线并通过假设检验检验ROC曲线的AUC或者偏AUC的差异(输出p值)
R语言使用pROC包在同一图中绘制两条ROC曲线并通过假设检验检验ROC曲线的AUC或者偏AUC的差异(输出p值) 目录
- python 识别excel 公式_python – pandas读取excel值而不是公式
这很奇怪. pandas的正常行为是读取值,而不是公式.可能,问题出在你的excel文件中.可能你的公式指向其他文件,或者它们返回一个pandas视为nan的值. 在第一种情况下,需要更新工作表,并且 ...
- auc 和loss_精确率、召回率、F1 值、ROC、AUC 各自的优缺点是什么?
模型评估有时候要用precision和recall,有时候用AUC,不存在优缺点问题,只存在适用性问题. 模型评估为啥不用precision和recall?因为它支持不了我的决策啊.. 同样的问题,根 ...
- auc 和loss_如何理解机器学习和统计中的AUC?
看到前面答主的答案,我表示很激动的想来一个简化的版本. 曾经面试的时候被问到过这么一个问题,怎么向一个没有任何计算机.数学.统计等基础的人介绍下什么是AUC,当时我败北了.不过后来我有一天顿悟了,为了 ...
- Java POI:如何读取Excel单元格值而不是计算公式
我正在使用Apache POI API从Excel文件中获取值. 除了含有公式的单元格外,一切都很好.实际上,cell.getStringCellValue()返回单元格中使用的公式而不是单元格的值. ...
- matlab计算prc曲线auc面积,ROC曲线和AUC面积计算 matlab
在网上看到的程序,粘贴在自己的博客中,以备以后用后用到了好查找: function [auc, curve] = ROC(score, target, Lp, Ln) % This function ...
- Java中方法调用参数传递的方式是传值,尽管传的是引用的值而不是对象的值。(Does Java pass by reference or pass by value?)
原文地址:http://www.javaworld.com/javaworld/javaqa/2000-05/03-qa-0526-pass.html 在Java中,所有的对象变量都是引用,Java通 ...
- java sql查询空内容_返回null值而不是sql查询中的空集
比方说,有两个表: select * from users; +-------+------+ | login | type | +-------+------+ | test1 | A | | te ...
最新文章
- [Ahoi2008]Meet 紧急集合
- eselasticsearch入门_ElasticSearch入门学习-基础示例(1)
- 浅谈Windows Phone 7的体系结构 - [WP开发文档翻译系列]
- mybatis generator逆向工程使用
- RSA key format is not supported
- CDB和PDB的创建、连接、启动、关闭
- Python数模笔记-NetworkX(1)图的操作
- MySQL常用命令大全
- 最长有效括号子串长度 c语言,LeetCode: Longest Valid Parentheses (求最长有效匹配括号子串的长度)...
- 保险极客CTO叶晖谈企业团体险的星辰大海
- 原生js浏览器兼容性问题
- 【Elasticsearch】Elasticsearch 相关度评分 TFIDF
- python:多维数组变一维数组
- 数据结构--(AVL)平衡二叉树
- 高斯过程--在GPyTorch中实现一个个性化kernel
- 【纯·干货】你会用到的期刊读Paper发论文写论文必备网站及各种小助手,不定期持续更新中~
- 网易公开课——可汗学院公开课:现代密码学(1)
- flashfxp连接失败,flashfxp连接失败怎么办
- nodejs 运行后报错 Error: Couldn‘t find preset “es2015“ relative to directory
- SQLSERVER的中文排序规则